公开(公告)号：CN119151968B

公开(公告)日：2025-03-25

申请号：CN202411660471.5

申请日：2024-11-20

Applicant: 中国计量大学

Inventor： 章东平 ,  闫天旭 ,  李铮 ,  陈梁宇 ,  王大为 ,  马道滨 ,  卜玉真

IPC: G06T7/11 ,  G06T7/00 ,  G06T7/194 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于边界线索深度融合的息肉图像分割方法，通过构建边界线索深度融合网络，将肠息肉图像输入主干网络提取不同层次特征信息，以指导息肉区域提取；构建边界线索挖掘模块以借助部分层级特征获得边界细节信息,实现对息肉区域更精准的定位；构建前景目标增强模块增强网络结合反转注意力分支对前景目标整体结构特征的学习，使网络侧重于关注前景目标；构建深度特征融合模块集成边界信息和前景信息，通过级联特征融合以及边界信息引导进一步提高分割性能，最后利用训练好的模型得到息肉分割结果。本发明克服了息肉在边界不确定性及形态多样性时的局限性，并在训练中采用加权联合尺度差异损失优化模型，实现息肉区域高精度识别与分割。

公开(公告)号：CN119360031A

公开(公告)日：2025-01-24

申请号：CN202411919763.6

申请日：2024-12-25

Applicant: 中国计量大学

Inventor： 闫天旭 ,  章东平 ,  李铮 ,  陈梁宇 ,  马道滨 ,  卜玉真

IPC: G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，公开了一种基于双分支特征渐进式融合网络的息肉图像分割方法，该方法构建基于特征和边界信息提取的双分支网络进行渐进式融合训练，主要包括基于点卷积视觉变换和逆向感知信息层的双分支主干网络、错位融合模块、错位单层融合模块、感知信息融合模块和多级残差解码模块，利用训练后的最佳模型对息肉图像进行分割，并对结果进行评估。本发明方法通过双分支结构有效提取边界信息和层级特征，采用渐进融合方式保留并提炼全局语义信息，克服了传统算法在息肉边界特征利用过程中的局限性，并在训练过程中采用边界差异联合损失优化模型训练过程，实现对息肉区域的高精度识别与分割。

公开(公告)号：CN119272641A

公开(公告)日：2025-01-07

申请号：CN202411813374.5

申请日：2024-12-11

Applicant: 中国计量大学

Inventor： 徐建宇 ,  章东平 ,  马道滨 ,  卜玉真 ,  杨力

IPC: G06F30/27 ,  G06N3/0455 ,  G06N3/082 ,  G06F119/02 ,  G06F119/04

Abstract: 本发明公开了一种融合预训练大语言模型的工业设备剩余寿命预测方法，属于深度学习、大语言模型、时序数据特征提取等技术领域，针对工业设备时序数据的复杂性和高维特征，首先通过时序数据预处理模块对原始数据进行处理，得到独立分段的退化数据，再利用输入嵌入模块的标记编码、位置编码和时间编码实现对退化数据的编码，然后通过预训练大语言模型参数微调模块实现预训练的大型语言模型与时间序列的特征对齐，并将预训练权重传递给预训练大模型附加网络编码模块，减少需要调整的参数数量，同时提高模型的泛化能力和准确率，最后通过输出层得到工业设备剩余寿命的预测结果。

公开(公告)号：CN119229129A

公开(公告)日：2024-12-31

申请号：CN202411729938.7

申请日：2024-11-29

Applicant: 中国计量大学

Inventor： 章东平 ,  陈梁宇 ,  李铮 ,  闫天旭 ,  马道滨 ,  卜玉真

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06V10/25 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于牙根边缘加权损失的牙齿图像分割方法，涉及医学图像处理领域，该方法通过构建牙根边缘加权损失的牙齿实例分割网络并进行训练，分割网络主要包括主干网络、精炼特征增强模块、牙根边缘特征增强模块和牙根边缘加权交叉熵损失函数，利用训练后得到的最佳模型得到牙齿实例分割结果。本发明的方法深度融合了牙根边界线索以及牙齿的细节特征，以产生精细的牙齿掩码，克服了传统算法在面对牙根边界不确定性以及由于牙齿种类繁多时的局限性，并在训练过程中采用加权交叉熵损失函数优化模型训练过程，实现了对牙齿的高精度识别与分割。

公开(公告)号：CN117274852A

公开(公告)日：2023-12-22

申请号：CN202310983393.1

申请日：2023-08-07

Applicant: 中国计量大学 ,  杭州昊清科技有限公司

Inventor： 章东平 ,  潘鑫 ,  刘奔奇 ,  马道滨

IPC: G06V20/40 ,  G06V40/20 ,  G06V40/10 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种轻量化的违规投递垃圾行为识别方法，包括：S1.基于垃圾投递行为规范获取垃圾投递行为的视频数据；S2.将获取的视频数据分为多个行为视频类别，得到投递垃圾的行为视频数据集；S3.根据得到的行为视频数据集构建基于时空通道注意力机制的轻量化投递垃圾行为识别模型；S4.根据得到的行为视频数据集构建基于YOLO目标检测算法的手持垃圾人体的目标检测模型；S5.将待检测的视频数据输入至目标检测模型中进行检测，判断目标检测模型是否输出手持垃圾的结构，若是，则将待检测的视频数据输入至行为识别模型进行识别，行为识别模型输出是否规范的结果。